Uma experiência recente chamou atenção da comunidade de desenvolvimento ao mostrar que o código CUDA da NVIDIA pode ser adaptado para a plataforma ROCm, da AMD, em pouco tempo com ajuda de inteligência artificial.
O teste foi feito com o Claude Code, uma plataforma de programação baseada em agentes, e o processo levou cerca de 30 minutos, segundo o próprio usuário que realizou a adaptação.
O caso foi relatado por um usuário do Reddit conhecido como johnnytshi, que afirmou ter convertido todo um backend CUDA para ROCm sem usar nenhuma camada de tradução intermediária.
A adaptação teria sido feita de forma direta, usando apenas o ambiente de linha de comando, sem recorrer a ferramentas tradicionais criadas para essa finalidade.
De acordo com o relato, o principal obstáculo encontrado esteve nas diferenças de organização dos dados entre CUDA e ROCm.
O Claude Code atua de forma ativa durante o processo, analisando o código e substituindo comandos e estruturas do CUDA por equivalentes do ROCm, mantendo a lógica dos kernels.
A proposta vai além de uma simples troca de palavras no código, já que o sistema tenta preservar o funcionamento original das rotinas.
The future of GPU programming is agentic. https://t.co/u6804eVnuu
— Anush Elangovan (@AnushElangovan) January 22, 2026
O usuário não informou qual era o tamanho ou a complexidade do código adaptado. Isso é um ponto importante, já que o ROCm copia vários conceitos do ecossistema CUDA, o que tende a facilitar conversões mais simples.
Em projetos maiores, com várias partes conectadas entre si, o trabalho tende a ficar mais difícil, pois exige um entendimento amplo de todo o contexto para que a adaptação funcione de forma correta.
Outro ponto citado na discussão envolve a criação de kernels otimizados. Esse tipo de código depende de ajustes finos ligados ao funcionamento interno do hardware da GPU, como hierarquias de cache.
Nesse cenário, há dúvidas se uma ferramenta baseada em IA consegue alcançar o mesmo nível de ajuste que um desenvolvedor com conhecimento profundo da arquitetura.
Tentativas de reduzir a dependência do CUDA vêm acontecendo há meses, com iniciativas como o projeto ZLUDA e ações internas de empresas como a Microsoft.
Mesmo assim, a NVIDIA segue como principal referência quando o assunto é desenvolvimento de kernels para aplicações com aceleração por GPU.
